電子報 第 183 期 > 中文離合詞自動識別與標記之研究紀要

中文離合詞自動識別與標記之研究紀要

字級:        友善列印

【語文教育及編譯研究中心助理研究員  白明弘】

  離合詞是指在中文裡具備離析與結合兩種表達形式之語言結構,為中文特有的語言現象之一。以「結婚」一詞爲例,既可以結合的形式使用:「他們在法院裡公證結婚。」也可以離析的形式使用:「盧娜結過三次婚,每次都嫁給醫生。」在「結婚」的兩個語素中間,插入了時貌標記「」表示經驗, 以及數量「三次」表示經驗次數。由於離合詞是中文裡獨特的現象,對華語學習者來說極容易造成混淆。例如華語學習者可能產生如下列的偏誤:「*我媽媽叫我結婚臺灣人。」、「*我們已經各自結婚過了。」前者是由於學習者不瞭解「結婚」在中文語法屬不及物動詞,所以誤當及物動詞使用;後者是學習者不瞭解「結婚」屬於離合詞,誤將時貌標記附加在離合詞後面。

  過去的研究發現,離合詞語法變化複雜,而離合形式間的語義變化細微,導致離合詞成為華語學習的困難點。但是,離合詞卻常常是日常生活中的重要用語,使得離合詞教學成爲不可迴避的問題。根據學者的建議,在教材中提供典型的例句及使用情境,能讓學生清楚掌握離合詞的使用情境與時機,提高學習者對離合詞離合形式特徵的辨識能力,有效降低離合詞使用的偏誤。然而,要對離合詞做有系統的整理實為困難的工作,即使是母語者也很難全面掌握離合詞的性質。近年來,離合詞的研究逐漸藉助於語料庫的觀察。透過大量的語言真實使用情境記錄,學者得以全面考察離合詞豐富的性質。可惜的是,目前除了少數人工標記的語料庫外,中文語料庫大多缺乏離合詞訊息。究其原因在於人工標注離合詞的成本極高,而且數量也不易擴大。若能發展一套有效率的離合詞自動標記系統,對離合詞的教學研究將產生極大的幫助。

  本計畫的主要目的是要建構一個可靠的離合詞自動識別與標記系統。藉由深入分析離合詞特性,結合機器學習理論,開發離合詞自動標記的工具,以做為語料庫建立離合詞標記的基礎。在機器學習的自動標記方法中,大致可分爲規則式自動標記法與統計式自動標記法。規則式自動標記法是自動從訓練語料庫中抽取離合詞的規則,以建立離合詞辨識的規則知識庫;再以辨識規則知識庫作爲大量離合詞辨識的依據。統計式自動標記法則是利用統計式機器學習技術,自動從訓練語料庫中抽取特徵與建立自動辨識模型。此自動辨識模型,即可作爲大量離合詞辨識之應用。經過實驗比較發現,規則式自動標記法的優點是系統精確率高,但缺點是適應性較差,導致離合詞辨識的召回率低。另一方面,統計式自動辨識模型,雖然精確率較低,但適應性強,辨識結果可達極高的召回率,而精確率也只略低於規則式自動標記法而已。從整體來說,以統計式機器學習模型作爲離合詞標記系統,可以達到令人滿意的離合詞辨識效果。

資料來源:

白明弘(2018)。中文離合詞自動識別與標記之研究。國家教育研究院整合研究計畫案成果報告(NAER-107-12-F-2-01-00-1-01)。新北市:國家教育研究院。